Pandas：如何正确调用DataFrame列表对象并批量处理多工作表Excel？

哈哈，这个问题我之前也踩过坑！你遇到的报错本质是把DataFrame的名字字符串当成了DataFrame对象本身来调用方法，当然会失败啦。咱们分两步解决：先搞定现有变量的批量操作，再优化从Excel生成DataFrame的方式，彻底避免这类问题。

一、解决现有DataFrame字符串列表的批量保存问题 #

你现在的all_df里存的是'df_0'这类字符串，不是真正的DataFrame实例。要获取对应的对象，可以用Python的globals()或locals()函数（全局/局部命名空间字典），通过字符串键取出对应的DataFrame：

# 先把字符串列表转换成真正的DataFrame列表
all_dfs = [globals()[df_name] for df_name in all_df]

# 然后循环批量保存
for idx, df in enumerate(all_dfs):
    # 可以自定义文件名，比如按索引命名
    df.to_csv(f'output_{idx}.csv', index=False)

不过这种方式是“补救措施”，更推荐从源头就直接管理DataFrame对象，而不是它们的名字字符串。

二、从Excel读取时直接生成正确的DataFrame列表（推荐替代exec） #

你用exec生成df_0、df_1这类变量的做法不仅可读性差，还容易出问题（比如变量名冲突、调试困难）。其实Pandas本身就支持一次性读取Excel的所有工作表，直接生成DataFrame的集合，完全不用exec：

方法1：用字典存储（按工作表名映射） #

这种方式更清晰，能保留工作表的原始名称：

import pandas as pd

# 读取Excel文件
excel_handler = pd.ExcelFile('your_excel_file.xlsx')

# 生成{工作表名: DataFrame}的字典
sheet_df_dict = {sheet_name: excel_handler.parse(sheet_name) for sheet_name in excel_handler.sheet_names}

# 遍历字典进行处理和保存
for sheet_name, df in sheet_df_dict.items():
    # 这里可以加入你的数据处理逻辑，比如清洗、转换
    # df = df.drop(columns=['无用列'])
    
    # 按工作表名保存为CSV
    df.to_csv(f'{sheet_name}_processed.csv', index=False)

方法2：用列表存储（按工作表顺序） #

如果只需要按索引顺序管理DataFrame，直接存入列表即可：

import pandas as pd

excel_handler = pd.ExcelFile('your_excel_file.xlsx')

# 直接生成DataFrame列表
all_dfs = [excel_handler.parse(sheet_name) for sheet_name in excel_handler.sheet_names]

# 遍历列表处理并保存
for idx, df in enumerate(all_dfs):
    # 数据处理步骤
    # df = df.fillna(0)
    
    # 按索引命名保存
    df.to_csv(f'sheet_{idx}_processed.csv', index=False)

为什么不推荐用exec？ #

exec会动态执行字符串代码，不仅增加了代码的维护难度（别人看代码时很难追踪变量来源），还存在安全风险（如果字符串来源不可信，可能注入恶意代码）。用字典或列表直接管理DataFrame对象，才是更Pythonic、更安全的做法。

内容的提问来源于stack exchange，提问作者DoctorEXE